GLM vs Claude, GPT, Gemini, Grok y DeepSeek: cómo se compara el modelo abierto de Zhipu

GLM vs Claude es la pregunta que la gente busca, y la respuesta de 2026 empieza con una corrección: el GLM que conviene comparar ya no es GLM-5.2. Z.ai vende ahora tres, y en el Artificial Analysis Intelligence Index v4.3.2, consultado el 24 de septiembre de 2026, el modelo insignia GLM-5.3 obtiene 44,8 puntos y GLM-5.3 Flash logra 41,8, mientras que el más antiguo GLM-5.2 se queda en 33,7 con una tarifa idéntica de $1.40 / $4.40. Frente a Claude Opus 5.5 a $4 / $20, GLM-5.3 es 2,9 veces más barato en entrada y 4,5 veces en salida, y sobre esa diferencia gira toda la comparativa.

Así que la verdadera pregunta no es solo GLM vs Claude, sino si un modelo open-weight a una fracción del coste puede sustituir a cualquiera de los grandes modelos de pago. Esta guía compara GLM-5.3 y el mucho más barato GLM-5.3 Flash cara a cara con Claude, GPT-6, Gemini, Grok y DeepSeek en precio, benchmarks, contexto y programación, y luego te dice qué modelo elegir para cada trabajo. Todos los precios y puntuaciones de abajo se releyeron el 24 de septiembre de 2026 en las páginas de precios de los propios fabricantes y en las fichas de modelo de Artificial Analysis. Conviene aclarar algo primero, porque las licencias difieren dentro de la familia: GLM-5.2 y GLM-5.3 Flash salen bajo MIT, mientras que los pesos de GLM-5.3 son públicos bajo la propia GLM-5.3 License de Z.ai, permisiva salvo para operadores de nube con más de 10.000 millones de dólares de facturación.

Lo más importante

• GLM-5.3 Flash es la opción de mejor relación calidad-precio, no GLM-5.2. A $0.15 / $0.50 por millón de tokens cuesta $0.25 por tarea del Artificial Analysis Intelligence Index, frente a $2.01 de GLM-5.3 y $0.96 de GLM-5.2, y supera a GLM-5.2 por ocho puntos.
• Claude sigue ganando el trabajo agéntico más duro. Claude Opus 5.5 obtiene 57,6 puntos en el Artificial Analysis Intelligence Index v4.3.2 y Claude Fable 5.1 logra 53,4, frente a los 44,8 de GLM-5.3. Son casi 13 puntos de distancia hasta el modelo que Anthropic llama su caballo de batalla.
• GLM ya no lidera el campo open-weight. En esa misma tabla v4.3.2, MiMo-V2.6-Pro de Xiaomi obtiene 46,3 puntos y Qwen3.8 Max (0902) de Alibaba 45,4, ambos por encima de los 44,8 de GLM-5.3, con Kimi K3 de Moonshot justo detrás con 43,6.
• DeepSeek ya no es la opción barata automática. Desde que pasó a facturación por franjas horarias, DeepSeek V4.1 Flash cuesta $0.15 / $0.60 fuera de pico y $0.30 / $1.20 en pico, así que GLM-5.3 Flash lo iguala en entrada y lo mejora en salida con una tarifa plana, a cualquier hora.
• Todos los modelos GLM y DeepSeek de esta comparativa son descargables. GLM-5.2, GLM-5.3 Flash y ambas versiones de DeepSeek tienen licencia MIT, y GLM-5.3 publica sus pesos bajo la licencia propia de Z.ai; Claude, GPT, Gemini y Grok son modelos cerrados, solo accesibles por API.
• Ya no queda ninguna razón para llamar a GLM-5.2. Z.ai lo cobra exactamente a los mismos $1.40 / $4.40 que GLM-5.3, que está construido sobre el mismo modelo base y puntúa once puntos por encima. Si tu código sigue nombrando al modelo antiguo, ese es el cambio de una línea que merece la pena hacer hoy.

GLM vs Claude, GPT, Gemini, Grok y DeepSeek de un vistazo

Aquí tienes todo el panorama en una pantalla. Los precios son tarifas de lista de la API por millón de tokens, el contexto es la ventana máxima de entrada y la columna de índice es el Artificial Analysis Intelligence Index v4.3.2, consultado el 24 de septiembre de 2026. Aquí importa la versión: Artificial Analysis reescaló el índice dos veces en septiembre, así que una cifra suelta de una versión anterior no es comparable con estas. Tres de los siete modelos de abajo publican pesos descargables, más que hace un año.

Si quieres la definición completa y el historial de versiones detrás de estas cifras, nuestro explicativo sobre qué es GLM y cómo ha evolucionado la familia cubre cada lanzamiento desde la 4.5 en adelante. El resto de este artículo es el veredicto cara a cara.

GLM frente a cada rival, uno a uno

La tabla general marca el escenario, pero la decisión real se toma duelo a duelo. Así queda GLM frente a cada uno de los cinco grandes modelos insignia, con las diferencias concretas de benchmark y precio que deberían guiar tu elección.

GLM vs Claude

Este es el duelo que todo el mundo busca, y la respuesta honesta es que Claude sigue siendo el mejor modelo donde más importa, es decir, en ingeniería de software de varias horas, orquestación de herramientas y redacción pulida. El caballo de batalla de Anthropic es ahora Claude Opus 5.5 a $4 / $20, con Claude Fable 5.1 a $10 / $50 para agentes de larga duración, y Opus 5 ha pasado a la lista de modelos heredados de Anthropic. En el Artificial Analysis Intelligence Index v4.3.2 esos tres marcan 57,6, 53,4 y 50,8, frente a los 44,8 de GLM-5.3. Si tu trabajo depende de que un agente mantenga la coherencia a lo largo de una tarea larga y desordenada, Claude vale el sobreprecio.

GLM recorta distancia en dos frentes. El primero son las matemáticas: según las cifras de Z.ai de julio de 2026, GLM-5.2 obtuvo 99,2 en AIME 2026 y 91,0 en IMO-AnswerBench, en ese momento en lo más alto o cerca de lo más alto de todo el campo. El segundo es la factura. Opus 5.5 es más barato que el Opus 5 al que sustituye, así que la brecha se ha estrechado, pero GLM-5.3 sigue costando 2,9 veces menos en entrada y 4,5 veces menos en salida. En flujos de trabajo con miles de turnos de agente al día, esa diferencia se convierte en dinero real.

Veredicto: elige Claude Opus 5.5 para programación crítica de alto nivel y para lo que ve el cliente; elige GLM-5.3 para pipelines de gran volumen y sensibles al coste, donde una calidad casi de frontera a menos de una cuarta parte del precio de salida es un cambio fácil de aceptar. Para la especificación en detalle, consulta nuestro análisis de la arquitectura que introdujo GLM-5.2, sobre la que GLM-5.3 sigue funcionando.

GLM vs GPT-6

GPT-6.1 Sol es el modelo insignia de trabajo de OpenAI, con GPT-6 Luna por debajo y GPT-6 Astra por encima a $10 / $50. GPT-6.1 Sol sucedió a GPT-6 Sol el 29 de septiembre de 2026 al mismo precio. Sol es la opción segura para quien quiere un modelo que haga un poco de todo bien dentro de un ecosistema maduro. Supera a GLM en razonamiento general y en amplitud de herramientas, plugins y soporte de terceros. En el índice v4.3.2 GPT-6.1 Sol obtiene 51,8 puntos frente a los 44,8 de GLM-5.3, siete puntos de diferencia, así que GLM ya tiene que ganar por precio y pesos abiertos, no por un casi empate.

A $2 de entrada / $10 de salida por millón de tokens, GPT-6.1 Sol cuesta la mitad que GPT-5.6 Sol, así que aquella frase de que GLM era varias veces más barato que OpenAI ya no se sostiene. GLM-5.3 es ahora 1,4 veces más barato en entrada y 2,3 veces en salida, un ahorro real pero ya no una goleada. El nivel económico le da la vuelta: GPT-6 Luna a $0.10 / $0.50 baja de GLM-5.3 Flash en entrada y lo iguala en salida, aunque Flash responde con una puntuación de índice superior, 41,8 frente a 37,3. GPT-5.6 Sol sigue a la venta a $4 / $20, y OpenAI mantiene esa tarifa promocional al menos hasta el 21 de noviembre de 2026, pero ya no es el modelo con el que comparar.

Veredicto: elige GPT-6 por la profundidad del ecosistema y por ser un todoterreno fiable, y Luna cuando el coste puro por token sea el único eje; elige GLM cuando necesites pesos descargables, autoalojamiento o la mejor puntuación por dólar en la gama económica.

GLM vs Gemini

El modelo Pro insignia que Google tiene en el mercado es Gemini 3.1 Pro a $2 / $12 por millón de tokens por debajo de 200k, y sube a $4 / $18 por encima. Conviene decir una cosa con claridad, porque circula constantemente: no existe Gemini 3.5 Pro ni Gemini 3.6 Pro. El catálogo publicado de Google sigue listando 3.1 Pro como su modelo Pro más reciente, etiquetado como preview, mientras que la línea Flash ha avanzado varias versiones hasta Gemini 3.8 Flash. Google también anunció Gemini 4 Argon el 30 de septiembre de 2026, un nuevo modelo insignia por encima de la línea Pro, pero por ahora solo pueden usarlo especialistas en ciberdefensa verificados. La ventaja de Gemini es la comprensión multimodal y su integración estrecha con Google Workspace y el buscador.

Frente a los Gemini que puedes usar de verdad, GLM gana este duelo con claridad en la tabla medida. Artificial Analysis sitúa a GLM-5.3 en 44,8 en v4.3.2, por encima de Gemini 3.8 Flash con 40,9 y muy por encima de Gemini 3.1 Pro con 29,7, la puntuación más baja de cualquier modelo insignia de esta comparativa. Gemini 4 Argon, con 52,6, también superaría a GLM-5.3, pero todavía no está disponible para el público. Gemini sigue siendo la mejor opción si tu trabajo es intensivo en imágenes, vídeo o documentos, o si vives dentro de las herramientas de Google, y Google cobra 3.8 Flash a $0.75 / $3.75 hasta el 31 de diciembre de 2026. Para cargas de trabajo basadas en texto, de gran volumen o autoalojadas, la ventaja de coste de GLM y sus pesos públicos pesan más.

Veredicto: elige Gemini para trabajo multimodal y del ecosistema de Google; elige GLM para pipelines centrados en texto, despliegue abierto y la puntuación medida más alta.

GLM vs Grok

xAI tiene ahora tres modelos que merecen comparación. Grok 4.7 es el insignia, listado en el catálogo de API de xAI a $2 / $6 por millón de tokens por debajo de 200k y $4 / $12 por encima, con una ventana de contexto de 500k. Grok 4.6 está exactamente al mismo precio, y Grok 4.3 sigue disponible a $1.25 / $2.50 con ventana de 1M, lo que lo convierte en la opción barata más que en la potente. El rasgo distintivo de Grok es el acceso en tiempo real a los datos de X (Twitter), que ningún otro modelo aquí ofrece de forma nativa.

La comparativa de precios depende totalmente de qué Grok uses. Grok 4.3 supera a GLM-5.3 en salida con $2.50 frente a $4.40, mientras que Grok 4.7 cuesta más que GLM en ambos lados de la balanza. Lo que compras con eso es la brecha de capacidad más estrecha de cualquier modelo cerrado de esta comparativa: 46,4 frente a los 44,8 de GLM-5.3 en el índice v4.3.2, con Grok 4.6 en 44,3, prácticamente empatado con GLM. Como 4.7 y 4.6 comparten tarifa, no hay razón para quedarse en el antiguo. Si los datos de X en tiempo real son el centro de tu caso de uso, gana Grok. Si importan más los pesos descargables, el autoalojamiento o la factura más baja, gana GLM.

Veredicto: elige Grok 4.7 por los datos de X en tiempo real y por ser el modelo cerrado más potente de la gama de xAI; elige GLM por los pesos abiertos, el autoalojamiento y la factura más baja.

GLM vs DeepSeek

Esta es la verdadera batalla open-weight, porque GLM y DeepSeek publican ambos pesos descargables, ambos vienen de laboratorios chinos, ambos manejan contexto de 1M y ambos apuntan a desarrolladores que quieren programación de frontera sin bloqueo de proveedor. La propia gama de DeepSeek se ha dado la vuelta desde que se escribió esta comparativa por primera vez: su modelo barato es ahora el potente. DeepSeek V4.1 Flash cuesta $0.15 / $0.60 fuera de pico y $0.30 / $1.20 en pico (01:00-04:00 y 06:00-10:00 UTC, de lunes a viernes) y obtiene 39,5 puntos en el índice v4.3.2, mientras que el más caro DeepSeek V4 Pro, a $0.66 / $1.98 fuera de pico, se queda en 36,0 y no acepta entrada de imagen en absoluto. Qwen 3.8 de Alibaba y MiMo-V2.6-Pro de Xiaomi son los pesos pesados más recientes de esa carrera, y ambos superan ya a todos los GLM.

GLM lidera en inteligencia medida, con GLM-5.3 en 44,8 frente a los 39,5 de DeepSeek V4.1 Flash, y GLM-5.3 Flash con 41,8 también deja atrás a las dos versiones de DeepSeek. En precio, los dos están ahora igualados en la gama baja: GLM-5.3 Flash cobra una tarifa plana de $0.15 / $0.50 sin recargo de pico, frente a los $0.15 / $0.60 fuera de pico de DeepSeek Flash, que se duplican durante la franja laboral. Así que la división ya no es coste contra capacidad. Es la entrada de imagen de DeepSeek contra la factura plana y la puntuación más alta de GLM. Ambos son líderes open-weight de verdad, algo que nuestra recopilación de los mejores modelos de IA de código abierto cubre por completo.

Veredicto: elige DeepSeek cuando necesites entrada de imagen en la gama económica o trabajes sobre todo fuera de las horas pico; elige GLM por una inteligencia general más fuerte a un precio que no cambia con el reloj. Tienes todos los detalles en nuestro análisis completo de DeepSeek V4.

Benchmarks: dónde gana y pierde realmente GLM

Los benchmarks cuentan una historia coherente en cuanto los ordenas en tres bloques. GLM es competitivo en la frontera en razonamiento y matemáticas, competitivo pero por detrás en la programación agéntica más dura, y fuerte aunque ya no solo en relación calidad-precio. Una advertencia antes de las cifras: Artificial Analysis retiró durante 2026 su Agentic Index y su Coding Index por separado y los integró en el Intelligence Index único, así que cualquier par de valores de Agentic Index que encuentres citado para estos modelos no se puede actualizar, solo sustituir. Así se reparte cada bloque.

Razonamiento y matemáticas: GLM es de clase frontera

En razonamiento puro y matemáticas, el historial publicado de GLM es su mejor baza, con la salvedad de que las cifras destacadas son de su propio laboratorio. Las cifras de Z.ai de julio de 2026 situaban a GLM-5.2 a la cabeza del campo open-weight en GPQA Diamond (91,2 %) y casi saturando las matemáticas de olimpiada, con 99,2 en AIME 2026 y 91,0 en IMO-AnswerBench. Esos resultados han envejecido de una forma poco habitual: Artificial Analysis eliminó GPQA Diamond del índice por completo, con el argumento de que el campo lo había saturado. Sigue siendo la categoría en la que un modelo open-weight iguala de forma más convincente a los modelos de pago, y también aquella que los autores de benchmarks han dejado de tratar como discriminante.

Programación y agentes: los modelos cerrados siguen liderando

En ingeniería de software de largo recorrido, los modelos cerrados de frontera siguen por delante. El Opus 4.8 de Anthropic iba por delante de GLM-5.2 en SWE-bench Pro (69,2 frente a 62,1) y en maratones de uso de herramientas como el Tool-Decathlon (59,9 frente a 48,2) cuando llm-stats probó esa pareja en julio, y desde entonces ambos bandos han sacado sucesor. Hoy la comparación más limpia es el índice único: Claude Opus 5.5 con 57,6 frente a GLM-5.3 con 44,8. Ese es el trabajo agéntico de varias horas en el que pagas por que el modelo mantenga la coherencia a lo largo de una tarea desordenada. El argumento de la propia Z.ai para la 5.3 es una mejora del 50 % en programación sobre la 5.2 en su Code Bench interna, más resultados líderes en código abierto en Terminal Bench 3.0, que son cifras del fabricante y hay que leerlas como tales. Los nuevos aspirantes siguen empujando esa frontera, y Muse Spark 1.3 de Meta y Kimi K3 de Moonshot caen en la misma banda.

Seguridad: dónde GLM le ganó a Claude Code

El resultado más comentado vino de la firma de investigación en seguridad Semgrep. En su prueba de detección de vulnerabilidades IDOR solo con prompt, GLM-5.2 obtuvo un F1 del 39 % sin ningún andamiaje y superó por poco a Claude Code, un resultado que Semgrep tituló como una victoria por siete puntos. Fue una ejecución de julio de 2026 contra modelos que ambos bandos han sustituido desde entonces, así que léelo como una instantánea y no como una clasificación actual. El argumento de fondo sigue en pie: un modelo open-weight con un prompt desnudo puede igualar a un agente de programación de frontera en una tarea de seguridad intensiva en razonamiento. Z.ai se ha apoyado en eso desde entonces y afirma que GLM-5.3 más que duplica las puntuaciones de GLM-5.2 en el benchmark de explotación de vulnerabilidades CyberGym.

La conclusión es matizada, no un triunfo limpio. Puedes verificar las clasificaciones en vivo tú mismo en el Artificial Analysis Intelligence Index, fijándote en la versión que aparece en cada ficha de modelo, y leer la metodología de Semgrep en su informe sobre el benchmark cíber de GLM-5.2.

Precios: la razón por la que existe esta comparativa

Todos los veredictos anteriores giran en torno a un hecho, y este año se ha debilitado: GLM es más barato que los modelos insignia cerrados, pero por menos margen que antes. A $1.40 / $4.40, GLM-5.3 supera a Claude Opus 5.5 entre 2,9 y 4,5 veces y a GPT-6.1 Sol entre 1,4 y 2,3 veces, y se sitúa por debajo de Gemini 3.1 Pro en ambos lados. Lo interesante está en la gama económica. GLM-5.3 Flash se queda en una tarifa plana de $0.15 / $0.50 que nunca cambia con el reloj, algo que DeepSeek Flash solo iguala fuera de las horas pico. GPT-6 Luna también es plano y aún más barato en entrada, a $0.10, pero se queda en 37,3 frente a los 41,8 de Flash. Según la propia métrica de coste por tarea del índice de Artificial Analysis, Flash sale a $0.25 frente a $0.72 de GPT-6.1 Sol y $5.98 de Opus 5.5, aunque MiMo-V2.6-Pro de Xiaomi los bate a todos con $0.13.

Zhipu ofrece además planes de suscripción para programación y límites de uso más altos que la mayoría de sus rivales, algo que importa a los equipos con agentes en marcha continua; el GLM Coding Plan arranca en $18 al mes y ya cubre tanto 5.3 como 5.3 Flash. Para el desglose completo plan a plan, incluidos los niveles de programación y los modelos gratuitos, consulta nuestra guía de precios de GLM, y compárala con el mercado en nuestra comparativa de precios de IA.

¿Qué modelo deberías elegir realmente?

La respuesta a cinco bandas depende de qué optimices. Para programación de alto nivel y tareas agénticas largas, Claude Opus 5.5 es la elección, con GLM-5.3 como segundo económico. Para la mejor relación calidad-precio a escala, ve a por GLM-5.3 Flash y luego compáralo con MiMo-V2.6-Pro y GPT-6 Luna, porque cada uno lo supera en un eje.

Los trabajos especializados también se ordenan con claridad. El trabajo multimodal y del ecosistema de Google es de Gemini, la información en tiempo real y los datos de X van a Grok 4.7, y todo lo que necesite pesos descargables o autoalojamiento significa GLM o DeepSeek, los únicos modelos del grupo que puedes ejecutar en tu propio hardware. Dentro de GLM, las opciones con licencia MIT son la 5.2 y la 5.3 Flash, mientras que la 5.3 sale bajo los términos propios de Z.ai y, con 753.000 millones de parámetros, necesita un servidor multi-GPU y no una estación de trabajo.

Observa que ningún modelo gana en todos los trabajos. Esa es la lección real de cualquier comparativa GLM vs Claude vs todos: el «mejor» modelo depende enteramente de la tarea que tengas delante, y los equipos más inteligentes derivan distintos trabajos a distintos modelos.

Conclusión: no tienes que elegir solo uno

GLM ha convertido la pregunta GLM vs Claude en una competición de verdad, y después ha movido discretamente la portería dentro de su propia familia. GLM-5.3 ofrece razonamiento casi de frontera a una fracción del precio de Claude, GLM-5.3 Flash ofrece la mayor parte de eso por una décima parte de la tarifa de 5.3, y GLM-5.2, el modelo sobre el que se construyó esta comparativa, es el que conviene dejar de llamar. Frente a GPT, Gemini y Grok, GLM gana en apertura y en puntuación por dólar en la gama económica. Pierde la corona de capacidad pura ante Claude, y la corona open-weight ante Xiaomi y Alibaba.

Como el ganador cambia con cada tarea, la decisión práctica es tener varios modelos a mano. Fello AI es una aplicación nativa para Mac, iPhone y iPad que reúne Claude, ChatGPT, Gemini, Grok, DeepSeek y modelos abiertos como GLM en una sola suscripción, junto a Perplexity, Kimi y Qwen. Cuesta desde $9.99 al mes, con un plan gratuito para probarla primero y una valoración de 4,7 estrellas en más de 27.000 reseñas, para que puedas enviar cada trabajo al modelo que lo gana sin gestionar cinco facturas separadas. Así es como sacas el mejor partido de toda esta comparativa en lugar de comprometerte con uno solo de sus lados. En un Mac, todo funciona a través de un cliente de escritorio nativo de GLM, junto a todos los demás modelos de esta comparativa.

Preguntas frecuentes